Различия между обучением с учителем и обучением без учителя

Обучение с учителем (supervised learning) использует размеченные данные, где для каждого входного примера известен правильный выход.

Цель — научить модель предсказывать этот выход для новых данных.

Обучение без учителя (unsupervised learning) работает с неразмеченными данными.

Цель — найти скрытые закономерности или структуры в данных без предварительно заданных ответов.

Обучение с учителем (supervised learning).

В этом подходе модель обучается на наборе данных, который включает как входные признаки, так и соответствующие им целевые переменные (метки). Алгоритм учится сопоставлять входные данные с правильными выходными данными.

Модель получает обратную связь в виде разницы между предсказанным и фактическим значением, что позволяет ей корректировать свои параметры.

Примеры задач:

• классификация (предсказание дискретной метки, например, спам/не спам)
• регрессия (предсказание непрерывного значения, например, цена дома)

Обучение без учителя (unsupervised learning):

В отличие от обучения с учителем, здесь модель работает с неразмеченными данными, то есть без заранее известных целевых переменных.

Цель состоит в том, чтобы обнаружить скрытые структуры, закономерности или взаимосвязи в данных.

Примеры задач:

• кластеризация (группировка схожих точек данных, например, сегментация клиентов)
• снижение размерности (уменьшение количества признаков при сохранении важной информации, например, PCA).